Modelizar el consumo eléctrico

A partir de nos prévisions pour la température, on peut tenter de prévoir la consommation électrique. Rappelons que la série de consommation électrique ressemble à ca plot(electricite[passe,”Load”],type=”l”) On peut tenter un modèle assez simple, où la consommation à la date Y_t est fonction d’une tendance linéaire a+bt, de la position dans l’année (sous une forme…

via Modéliser la consommation électrique — Freakonometrics

Anuncios

Estadística y Machine Learning con R

 

Estadística y Machine Learning con R recopila apuntes y materiales utilizados en la docencia de cursos de formación para funcionarios sobre estadística para administraciones públicas y estadística con R, y otros materiales utilizados en la docencia de Econometría. El manual ha sido elaborado exclusivamente con R, utilizando las librerias knitr, markdown y bookdown, que permiten editar y compilar documentos en diferentes formatos.

Estadística y Machine Learning con R

 

Outliers Detection and Intervention Analysis

(This article was first published on R Programming – DataScience+, and kindly contributed to R-bloggers) In my previous tutorial Arima Models and Intervention Analysis we took advantage of the strucchange package to identify and date time series level shifts structural changes. Based on that, we were able to define ARIMA models with improved AIC metrics.…

via Outliers Detection and Intervention Analysis — R-bloggers

Regresión logística y datos con grupos linealmente separables

Recientemente, los participantes en una encuesta realizada por la página web kaggle afirmaban que el modelo de regresión logística era la técnica estadística más utilizada en ciencia de datos. Este modelo proporciona una regla lineal de clasificación. Sin embargo, si tratamos de ajustar un modelo de regresión logística a datos con dos grupos linealmente separables (en principio, […]

via Regresión logística y datos con grupos linealmente separables — Caminos aleatorios

Ensemble learning for time series forecasting in R

(This article was first published on Peter Laurinec, and kindly contributed to R-bloggers) Ensemble learning methods are widely used nowadays for its predictive performance improvement. Ensemble learning combines multiple predictions (forecasts) from one or multiple methods to overcome accuracy of simple prediction and to avoid possible overfit. In the domain of time series forecasting, we…

via Ensemble learning for time series forecasting in R — R-bloggers

ARIMA models and Intervention Analysis

(This article was first published on R Programming – DataScience+, and kindly contributed to R-bloggers) In my previous tutorial Structural Changes in Global Warming I introduced the strucchange package and some basic examples to date structural breaks in time series. In the present tutorial, I am going to show how dating structural changes (if any)…

via ARIMA models and Intervention Analysis — R-bloggers

ESS Guidelines on Seasonal Adjustment. Edición 2015

Eurostat ha publicat l’edició 2015 de les recomanacions per desestacionalització: ESS guidelines on seasonal adjustment “The revised ESS Guidelines on Seasonal Adjustment present both theoretical aspects and practical implementation issues in a friendly and easy to read framework, thereby addressing both experts and non-experts in seasonal adjustment. They meet the requirement of principle 7 (Sound […]

via ESS Guidelines on Seasonal Adjustment. Edició 2015 — Bloc d’estadística oficial